双非学院本，希望牛友们能看看还能怎么改简历，目标中大厂实习，八股刷过一轮，有acm基础，力扣刷一半，实习产出少，基本都是curd，自己的项目是基于若依框架开发的，技术栈也是学外卖和点评改到项目里面的，如果要加的话还能学一个ai的rag和mcp，但是感觉有点来不及赶上暑期最后想找个搭子一起拷打八股

offer审批等了三天今天终于下来了，一个不好的消息就是暑期变日常了，但是hr说还是可以转正，感觉转正机会还是很渺茫的听说也是晚上十点十一点下班

emmm没想到以这种方式被挂了

1. 你做过大模型数据处理的话，预训练数据清洗一般怎么做，去重、去噪、质量过滤分别解决什么问题？预训练数据清洗本质上是在控制“数据量”和“数据质量”之间的平衡。去重主要解决模型反复记忆同一批内容，避免浪费训练 token，也减少 benchmark 污染。去噪主要是过滤乱码、模板页、广告页、低信息密度文本、机器生成垃圾内容，不然模型会学到很差的语言模式。质量过滤更偏向保留高价值内容，比如结构完整、语义通顺、知识密度高、代码块规范或者问答对明确的数据。实际工程里一般不会只靠一个规则，而是多阶段处理：先做规则清洗，再做语言识别、长度过滤、内容打分，最后再结合 dedup 和采样策略。因为预训练效果...